- name
- senseaudio-let-claw-talk
- summary
- 在 macOS 上启动一个持续监听的 SenseAudio 语音助手，用更少依赖的默认设置实现免手打多轮语音对话。
- description
- 当用户希望把 AudioClaw 变成一个持续监听、开口就说、停顿就回答的本机语音助手时使用。这个 skill 会在 macOS 上启动常驻监听流程，默认优先使用内置 Swift 录音器减少 Python 音频依赖；用户语音通过 SenseAudio ASR 转文字，再发给 audioclaw agent，并用 SenseAudio TTS 或系统 say 读回结果。它保留可选的 WeSpeaker 后台服务和流式 TTS，但导出的默认配置不会依赖这些可选环境。适合免手打问答、桌面语音助理、连续语音控制和原型演示。
- user-invocable
- true
- metadata
- {"openclaw":{"emoji":"🎙️","primaryEnv":"SENSEAUDIO_API_KEY","requires":{"bins":["python3","swiftc"],"env":["SENSEAUDIO_API_KEY"]},"skillKey":"senseaudio-let-claw-talk"}}
SenseAudio-Let-Claw-Talk
当用户想要下面这些能力时，使用这个 skill：
- 一直开着麦克风，开口就能和 AudioClaw 对话
- 不想切换到专门的 CLI 或 TUI，只要功能能跑
- 想在本机做持续语音问答、语音助手、免手打交互
- 想继续使用已经调通的 SenseAudio ASR 和 TTS
- 想按需开启 WeSpeaker 声纹验证，把后台模型常驻起来减少冷启动
高优先级触发说法：
- 打开持续语音助手
- 开启持续监听语音模式
- 打开免手打语音模式
- 进入本机语音助手模式
- 帮我打开一直监听的语音助手
- 用
$senseaudio-let-claw-talk启动语音助手
不适合：
- 只想转写单条语音
- 只想把一段文字转成语音
- 想做飞书消息内的一次性语音收发
Default behavior
这个 skill 默认：
- 在 macOS 本机启动持续监听
- 默认优先使用内置 Swift 录音器，减少对 Python 音频依赖的要求
- 如果想切回 Python 流式录音，再手动指定：
- sounddevice - webrtcvad - numpy
- 用当前 skill 内置的 SenseAudio ASR 客户端做语音识别
- 用
audioclaw agent跑对话 - 用当前 skill 内置的 SenseAudio TTS 客户端做语音播报，或用系统
say直接播报 - 导出的默认设置会先关闭 SenseAudio 流式 TTS，优先走整段播报，减少对
miniaudio和流式链路调优的依赖 - 如果用户后面想启用流式 TTS，可以再手动打开
- 当前 skill 内置了常用音色目录和克隆音色登记，不依赖其他语音 skill
- 默认开启状态提示音
- 每次重新进入监听前，会先播一个轻提示音，告诉用户现在开始收音
- 默认启动时会先做一次自检：
- 检查 Python 解释器 - 检查录音后端依赖 - 检查 ASR / TTS API key - 检查当前音色是否真的可用
- 默认唤醒词是
贾维斯 - 默认睡眠词是
贾维斯休息 - 默认唤醒保持时间是
90秒 - 默认启动后会先处于休眠状态，不会直接进入可对话态
- 休眠态默认会先走单独的唤醒识别模型，当前默认是
sense-asr-deepthink - 如果想改成更轻的唤醒模型，可以手动指定
--wake-asr-model sense-asr-lite - 默认语速是
1.25 - 导出的默认设置不会自动开启 WeSpeaker
- 导出的默认设置也不会默认开启流式 TTS
- 默认支持“播报时被新语音打断”
- 默认把打断敏感度调得更稳：
- interrupt grace = 1.2s - interrupt min speech = 0.35s - interrupt threshold = -16dB
- 默认会多等一点静音再判断你说完了：
- silence seconds = 1.6s
- 默认会把回复整理成更简短、更口语化、更适合直接念出来的表达
- 默认会尽量借鉴更自然的陪伴式交互风格：
- 短句 - 少解释 - 少套话 - 被插话后优先顺着用户这句往下接
- 默认会从
~/.audioclaw/workspace/state/voiceclaw_preferences.json读取已记住的用户偏好 - 默认不会开启 WeSpeaker 声纹验证
- 如果开启 WeSpeaker：
- 会自动拉起后台常驻服务并预热模型 - 默认模型是 chinese - 默认阈值是 0.72 - 后台状态和样本会保存在 ~/.audioclaw/workspace/state/wespeaker - 用户级 WeSpeaker 环境默认应放在 ~/.audioclaw/workspace/tools/wespeaker/.venv - 如果用户环境还没准备好，先看 references/wespeaker_user_setup.md
Main command
默认最推荐直接用启动器，它会优先选择已经装好依赖的那套 Python，并带上更少依赖的默认参数：
bash "{baseDir}/scripts/start_senseaudio_let_claw_talk.sh"如果要手动指定 Python，再用 SenseAudio TTS：
/Library/Developer/CommandLineTools/usr/bin/python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--capture-backend swift \
--no-senseaudio-streaming-tts \
--voice-id male_0004_a \
--emotion calm \
--tts-speed 1.25如果只想快速试运行，也可以先用系统播报：
/Library/Developer/CommandLineTools/usr/bin/python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode say默认启动后，先说：
贾维斯再继续提问。
如果想让它立刻回到休眠，可以说：
贾维斯休息如果想让它记住你的偏好，可以直接说：
记住不要打断我
记住语速 1.1
记住多等一下再截断
记住以后更简短一点
记住以后展开一点
记住当前偏好
清除偏好如果想查看当前状态，可以直接说：
当前设置如果想开启或使用 WeSpeaker，可直接说：
开启 WeSpeaker 声纹验证
录入我的声音
重录我的声音
查看 WeSpeaker 状态
关闭 WeSpeaker 声纹验证
关闭只听我模式
启动后台声纹
停止后台声纹说明：
- 说
录入我的声音后，现在默认只录 1 句来建档 - skill 会直接给出一条可照读的示例句，用户从下一句开始照读即可
- 开启后，后台会常驻预热，后续验证会更快
- 当前 WeSpeaker 是可选能力，不开就不会影响原来的持续语音助手流程
- 当前 skill 会优先过滤与最近播报内容高度相似的回录，避免把刚说过的话再次当成新的用户输入
- 如果上一轮播报被用户打断，当前 skill 不会额外加模型，也不会做复杂规则判断。
它只会把“上一轮回答播报到一半被打断了”这件事，用一句很轻的上下文告诉现有 agent， 让下一轮更自然地接话，避免重新铺垫上一整段。
如果想换音色，也可以直接说：
列出音色
有哪些音色
换成温柔御姐
切换到 male_0018_a
记住默认音色是 温柔御姐
以后都用 male_0004_a
注册克隆音色 vc-123456 叫 我的声音如果某个音色当前无权限或暂时不可用，skill 会优先保留当前可用音色，或者自动切到一个能正常播报的兜底音色。
一键启动：
- 运行：
bash "{baseDir}/scripts/start_senseaudio_let_claw_talk.sh"如果要让 AudioClaw / OpenClaw 直接拉起这个长期语音模式，优先运行：
bash "{baseDir}/scripts/launch_senseaudio_let_claw_talk_via_terminal.sh"原因：
- 持续监听属于长期麦克风进程
- 不适合用
exec + nohup + &在工具调用后台硬挂 - 更稳的做法是让 skill 直接打开一个 Terminal 窗口承载会话
Trigger-to-action rule
如果用户是在 AudioClaw / OpenClaw 里直接说：
- “打开持续语音助手”
- “开启持续监听语音模式”
- “打开免手打语音模式”
- “进入本机语音助手模式”
- “打开本机语音助手”
不要只返回命令，也不要改用 nohup 后台启动。 也不要只回复“好，已进入。你直接说。”这类假状态切换。
优先直接执行：
bash "{baseDir}/scripts/launch_senseaudio_let_claw_talk_via_terminal.sh"如果用户还补了偏好，再把参数附上，例如：
- 唤醒词：
--wake-phrase "贾维斯" - 打断播报：
--interrupt-playback - 调试：
--debug
这两个入口默认等价于：
--tts-mode senseaudio--capture-backend swift--voice-id male_0004_a--emotion calm--tts-speed 1.25--no-senseaudio-streaming-tts--speaker-verification-backend none
如果需要改默认值，可以在启动前设置：
export VOICECLAW_TTS_MODE=say
export VOICECLAW_VOICE_ID=male_0018_a
export VOICECLAW_EMOTION=warm
export VOICECLAW_TTS_SPEED=1.25
export VOICECLAW_SENSEAUDIO_STREAMING_TTS=0
export VOICECLAW_SENSEAUDIO_STREAMING_BACKEND=auto
export VOICECLAW_WAKE_PHRASE=贾维斯
export VOICECLAW_SLEEP_PHRASE=贾维斯休息
export VOICECLAW_SPEAKER_BACKEND=none
export VOICECLAW_WESPEAKER_THRESHOLD=0.72
export VOICECLAW_WESPEAKER_PYTHON=$HOME/.audioclaw/workspace/tools/wespeaker/.venv/bin/python
export VOICECLAW_EXTRA_ARGS='--wake-phrase 贾维斯 --sleep-phrase 贾维斯休息 --interrupt-playback'如果想把流式模式升级成 miniaudio 的 MP3 解码播放，可选安装：
/Library/Developer/CommandLineTools/usr/bin/python3 -m pip install --user miniaudio然后保持：
export VOICECLAW_SENSEAUDIO_STREAMING_BACKEND=auto如果想强制只用这条后端，也可以显式传：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--senseaudio-streaming-tts \
--senseaudio-streaming-backend miniaudio如果要启用唤醒词：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--wake-phrase "贾维斯" \
--sleep-phrase "贾维斯休息" \
--wake-sticky-seconds 90如果要默认开启 WeSpeaker 声纹验证：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--speaker-verification-backend wespeaker \
--wespeaker-python "$HOME/.audioclaw/workspace/tools/wespeaker/.venv/bin/python" \
--wespeaker-threshold 0.8如果用户环境还没装好，先按这个文件准备：
{baseDir}/references/wespeaker_user_setup.md如果要关闭默认唤醒词：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--no-wake-phrase如果要关闭默认睡眠词：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--no-sleep-phrase如果要启用播报打断：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--interrupt-playback如果想临时关闭默认打断：
python3 "{baseDir}/scripts/run_continuous_voice_assistant.py" \
--tts-mode senseaudio \
--no-interrupt-playbackWhat to adjust
如果用户说“容易误触发”或“环境噪音太大”，优先调这些参数：
--speech-threshold-db -18--silence-seconds 1.6--vad-mode 3
如果用户想只测一轮，可以加：
--once如果用户想用现成音频文件做链路验证，可以加：
--input-file /absolute/path/to/file.m4a --once如果用户说“想先叫一声再开始对话”，优先加：
--wake-phrase "贾维斯"如果用户明确说“不需要唤醒词”或“直接开口就听”，优先加：
--no-wake-phrase如果用户说“播报时我还想插话”，优先加：
--interrupt-playbackExit behavior
持续模式里：
- 用户说“退出”“停止”“结束”会主动退出
- 用户说“
贾维斯休息”会主动进入休眠，但不会退出程序 - 或按
Ctrl+C退出 - 如果开启了唤醒词，只有命中唤醒词或仍在唤醒窗口内时，当前这轮语音才会被送去对话
Runtime notes
- 默认会复用
~/.audioclaw/workspace/state/senseaudio_credentials.json里的SENSEAUDIO_API_KEY - 默认会把已记住的用户偏好保存在
~/.audioclaw/workspace/state/voiceclaw_preferences.json - 默认会把当前运行状态摘要保存在
~/.audioclaw/workspace/state/voiceclaw_runtime_state.json run_continuous_voice_assistant.py现在自带当前 skill 内部的 SenseAudio ASR、SenseAudio TTS 和常用音色目录，不再依赖其他语音 skill- 如果用户只要“实现功能”，不要再额外引导去做 TUI；直接启动这个 skill 的持续监听脚本
- 如果用户在意误触发，建议先不开
--interrupt-playback，先把阈值和唤醒词调顺 - 如果用户觉得播报被自己声音或外放误打断，优先加
--no-interrupt-playback，或调大--interrupt-grace-seconds
Resources
scripts/run_continuous_voice_assistant.py
- 主入口，负责持续监听、ASR、agent 调用和语音播报
scripts/local_senseaudio_asr.py
- 当前 skill 内置的 SenseAudio ASR 客户端
scripts/local_senseaudio_tts.py
- 当前 skill 内置的 SenseAudio TTS 客户端
scripts/local_voice_catalog.py
- 当前 skill 内置的常用音色目录和克隆音色登记
scripts/start_senseaudio_let_claw_talk.sh
- 命令行短入口
scripts/launch_senseaudio_let_claw_talk_via_terminal.sh
- 给 AudioClaw / OpenClaw 调用的稳定启动器，会直接打开 Terminal 并接管长期语音会话
scripts/macos_mic_capture.swift
- macOS 麦克风录音兜底实现